[發明專利]現代漢語復句關系詞自動識別方法及系統

無效

• 申請號: 201310263696.2
• 申請日: 2013-06-27
• 公開（公告）號: CN103412855A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 胡泉;胡金柱;楊進才;李源;舒江波;謝芳;肖明;鄧沌華
• 申請（專利權）人: 華中師范大學
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

技術領域

本發明涉及中文信息自動處理技術領域，尤其是涉及現代漢語復句關系詞的自動識別的研究與應用。?

背景技術

現在人們一般把中文信息處理的進程分為三大階段：字處理階段、詞處理階段和句與篇章處理階段。?

目前，我國在字、詞處理方面已經取得突破性進展，中文信息處理正在艱難地向著句與篇章處理階段邁進。“句處理”主要分為單句處理和復句的處理，目前研究較多的是單句的處理，如哈工大的語言技術平臺(LTP)、北大的句法樹庫、中科院的概念層次網絡(HNC)等。而復句處理的研究目前還非常少。?

復句是復雜的句子，是漢語語法的重要實體單位，它表達的語義信息豐富而復雜，而且復句還是連接單句與篇章的橋梁，因而在信息處理領域具有很多值得研究的內容。?

復句的邏輯語義主要由復句關系詞(又稱關聯詞或關系標記)來體現。從語法范疇來看，由于關系詞聯結的是組成復句的分句，它主要體現的是一種搭配上的邏輯意義，所以人們把關系詞的研究也納入到“句處理”的研究范疇。?

關系詞是復句在語表形式上的標記，是復句中標示關系的一個重要構件，它在很大程度上影響著分句的語義，也影響著層次關系的識別。因此，對于關系詞的研究雖然表面上看起來是一種“詞處理”，但實質上它是通過“詞”的研究來促進“句”的研究。人們對于復句的理解，往往通過“抓住標記”來實現。同樣，計算機理解復句的語義，也需要“抓住標記”。?

關系詞在現代漢語復句領域起著重要的作用，是漢語語法、語義研究中的重要課題。從計算機處理自然語言的角度，關系詞的自動識別是一個難題，原因表現在：一方面關系詞構成形態靈活，可以是副詞、連詞、助詞、超詞形式；另一方面詞的角色多變，一個詞有時充當關系詞，有時又不充當關系詞；而且關系詞的語法語義類別多樣，歧義現象復雜，概括起來主要有3大類：同形異類、同形異構和同形異義。?

所謂“同形異類”是指相同的關系詞，卻具有多種邏輯語義類別，典型的有“也”、“愈”等。比如，“也”既可以跟“即使”搭配，充當假設關系詞；也可以跟“雖然”搭配，充當讓步關系詞；還可以跟“也”搭配，充當并列關系詞；跟“不僅僅”搭配，充當遞進關系詞。?

所謂“同形異構”是指關系詞形成的句式相同，但是分句間的結構不同。這是從關系詞搭配的角度來考察的。比如，句式“不是不A，就是B”有兩種結構，一種是“不是”與“就是”搭配，分句形成選擇關系，如“不是不理睬，就是哼一聲”；另一種是“不是”與“就是”不搭配，分句間沒有直接的邏輯關系，如“她不是不知道累，她就是愿意多干一會兒”。?

所謂“同形異義”是指同一個標記，在不同的語境下表現出不同的意義，有時充當關系詞，有時不充當關系詞。比如“結果”，有時充當關系詞，如“日軍本想利用大水消滅我軍，結果未占到半點便宜。”有時不充當關系詞，如“后來他告訴我，這是他爸爸‘活動’的結果。”這些給計算機自動識別關系詞帶來較大困難，計算機不但需要一定的技巧來處理超詞形式的關系詞，而且還需要克服分詞及詞性標注的不準確性帶來的誤差。?

所以，復句中的許多“準關系詞”不一定是真正的關系詞。?

所謂“搭配關系詞”是指能構成句法搭配的關系詞，如“因為.....所以.....”是一搭配關系詞。“關系詞搭配”是指關系詞之間的搭配行為。研究表明：絕大多數關系詞都具有搭配特性(占83％以上)，有些關系詞還只能以搭配的形式存在，搭配已成為絕大多數關系詞表現自身邏輯語義關系的主要手段。由于關系詞搭配的特性，同一復句內的搭配關系詞可能出現多種搭配方案，例如“首先......然后......最后......”是一種搭配關系詞，其搭配關系及其相關的規則如表1所示。?

表1搭配關系詞“首先......然后......最后......”的搭配關系及其相關的規則?